ML5训练XOR异或数据集失败 预测结果不符合预期

现有代码与配置 #

// 训练数据集
[
  { a: 0, b: 0, output: 'zero' },
  { a: 1, b: 0, output: 'one' },
  { a: 0, b: 1, output: 'one' },
  { a: 1, b: 1, output: 'zero' },
]

// 训练配置
const options = {
  task: 'regression',
};

// 实际预测输出
// (0,0) => zero
// (1,0) => one
// (0,1) => one
// (1,1) => one

异常现象 #

训练流程无报错，表面已完成收敛，但输入(1,1)时预测输出为one，不符合XOR逻辑预期的zero，其余三组输入预测结果正常。

问题原因 #

• 核心配置错误：当前输出为zero/one两个离散类别标签，属于分类任务，但配置中错误指定为regression（回归任务，用于预测连续数值），模型无法正确学习离散类别的非线性决策边界，对字符串类标签的映射逻辑完全不匹配分类场景。
• 默认网络结构不足：ML5神经网络默认隐藏层配置无法拟合XOR问题的非线性分割面，即使改对任务类型，也需要手动指定隐藏层参数保证收敛。

修复方法 #

修改训练配置，将任务改为分类，同时添加适配XOR问题的隐藏层配置，参考如下：

const options = {
  task: 'classification', // 修正为分类任务
  hiddenUnits: [4], // 新增1层含4个神经元的隐藏层，足够拟合XOR的非线性关系
  epochs: 100, // 适当调高训练轮次，保证模型充分收敛
};

修改后重新训练，四组输入的预测结果即可完全符合XOR逻辑预期。

内容的提问来源于stack exchange，提问作者Ploppy